seikaikyo/interview-me
skills/interview-me/SKILL.md
需求不明時的意圖萃取訪談：一次一題、每題附上自己的猜測、聽出「真正想要 vs 覺得應該要」，直到能預測使用者反應（約 95% 信心）才動工。適用：需求缺少對象 / 動機 / 成功標準 / 約束，或使用者點名「訪談我」「先確認一下」「我們確定嗎」。明確自足的指示、純資訊查詢、機械性操作不適用。
$ install --global
skillsauthnpx skillsauth add seikaikyo/dash-skills interview-meInstall this skill globally with one command. Works with Claude Code, Cursor, and Windsurf.
Security Scan Results
3 of 9 scanners reported clean
Some scanners were skipped, did not run, or reported a non-clean status. Review each row below.
3
Scanners Passed
9
Scanners in report
Clean
TrivyContainer and dependency vulnerability scanner
95%
Clean
SemgrepStatic code analysis for vulnerabilities
95%
Clean
mcp-scan (Snyk)Model Context Protocol security validation
95%
Skipped
Snyk (dep)Open source security scanning
50%
Skipped
Socket.devSupply chain security analysis
50%
Skipped
VirusTotalMulti-engine malware detection
50%
Skipped
CrowdStrikeAdvanced threat intelligence
50%
Skipped
OSV-ScannerOpen Source Vulnerability database check
50%
Skipped
OWASP Dep-Check
50%
Last scanned: Jul 21, 2026, 5:39 AM144.7s1 file scanned
SKILL.md
- name:
- interview-me
- description:
- 需求不明時的意圖萃取訪談：一次一題、每題附上自己的猜測、聽出「真正想要 vs 覺得應該要」，直到能預測使用者反應（約 95% 信心）才動工。適用：需求缺少對象 / 動機 / 成功標準 / 約束，或使用者點名「訪談我」「先確認一下」「我們確定嗎」。明確自足的指示、純資訊查詢、機械性操作不適用。
- source:
- adapted from openclawyhwang-hub/tGD tgd-interview-me (Apache-2.0)
- updated:
- 2026-07-13
Interview Me（意圖萃取訪談）
核心
人開口要的跟真正想要的是兩回事。說「做個儀表板」是因為大家都這樣講，不是因為儀表板解決他的問題。抓出這個落差最便宜的時機是在任何計畫、規格、程式碼存在之前；開工之後切換成本是真的，使用者會把錯的東西合理化成「還行」。
本 skill 是前置於 brainstorming 與規格撰寫的階段：一次問一題，每題附上自己的猜測，問到你能預測使用者接下來會說什麼為止。
何時使用
- 需求缺少任一項：這是給誰用、為什麼要、成功長什麼樣、綁死的約束是什麼
- 需求是慣例式而非具體的（「做個 X」「弄快一點」），不猜就無法展開
- 你發現自己正在默默腦補沒被講出來的需求
- 兩個合理價值在拉扯（簡單 vs 彈性、成本 vs 速度）而使用者沒說要哪個
- 使用者明確點名：「訪談我」「先確認一下」「我們確定嗎」
不適用：指示明確自足（改名、修 typo）、使用者明說要快不要驗、純資訊查詢、機械性操作、你已有 95% 以上信心（先重讀下方停止條件再認定沒有）。
前提限制
需要活的、能回話的使用者。非互動情境（CI、排程、autonomous loop）禁用；在那些情境遇到需求不明，標記為 blocker 呈報，不要用猜的。
流程（五步）
Step 1：先寫假設，附信心數字
問任何問題之前，先用一句話寫下你目前對需求的最佳解讀，加上誠實的信心數字：
假設：你要的是在 standup 回答「我們狀況如何」的方法，「儀表板」只是慣例式的講法
信心：約 30%。缺：給誰用、「指標」指什麼、成功長什麼樣
數字逼出誠實。信心低於約 70% 時，同一行附一句缺什麼，讓使用者知道訪談要補的是什麼。
Step 2：一次一題，每題附猜測
問：<一個聚焦的問題>
猜：<你對答案的假設，以及推出這個假設的理由>
等使用者反應完才問下一題。一次一題的理由：問題塞成清單使用者只會掃讀；第三題常依賴第一題的答案，一次全問會鎖死錯的框架。附猜測的理由：對錯誤猜測做反應比從零生答案快；把你的假設攤在檯面上，這正是訪談要曝光的東西。
風險是客氣的使用者順著你的猜測附和。對策：明顯表現出願意猜錯，偶爾往預期會被打槍的方向猜。
Step 3：聽出「真正想要 vs 覺得應該要」
最危險的答案是聽起來很得體的那種。警訊：
- 套最佳實踐話術（「要可擴充」「架構要乾淨」）但沒有具體內容
- 遵從慣例（「一般 app 都怎麼做」「標準做法」）
- 「我應該要⋯」「好的工程實踐說⋯」
- 目標是 buzzword（「現代」「穩健」）而不是具體結果
聽到這些就問：
「如果不用向任何人交代，你實際上想要的是什麼？」
這一題常比前五題加起來有用。
Step 4：用使用者自己的話複述
信心夠高時，把你認為的需求寫回去，5 到 8 行，讓使用者能逐行確認或修正：
我現在認為你要的是：
- 結果： <一行>
- 使用者： <一行，誰受益>
- 為什麼現在：<一行，什麼變了>
- 成功標準： <一行，怎麼知道做對了>
- 約束： <一行，綁死的限制>
- 不做什麼： <一行，明確排除的範圍>
可以 / 不對 / 要修？
「不做什麼」那行不可省：一半的認知錯位是對「不建什麼」的沉默歧見。
Step 5：要明確的「可以」
以下都不算確認：
- 「你看著辦」：這是委任不是決定，代表使用者自己也沒有 95% 信心。改用兩個具體選項重新問
- 「聽起來不錯」：模糊。追問「有想修的地方嗎」，沉默不是確認
- 「好啦開始吧」：常是客氣的退場。同樣追問
被修正就吸收修正、重新複述，迴圈到拿到明確的「可以」為止。
95% 停止條件
自問：接下來要問的三題，我能預測使用者的反應嗎？能，代表有共同理解，停止訪談、產出複述。不能，就問下一題。這是可檢核的測試，不是感覺。地板：問了好幾輪還是無法預測，這是關於需求本身的資訊。停下來說：「我問了 X 題還是無法預測你的反應，有根本的東西缺了，要不要退一步？」
產出
確認過的意圖陳述（Step 4 的複述 + Step 5 的明確 yes），對話形式即可，不落檔。下游：具體需求走 OpenSpec 提案（openspec/changes/），方案推敲走 superpowers brainstorming，兩者都以確認過的意圖為輸入，不是以原始的模糊需求為輸入。
紅旗
- 一則訊息塞三題以上：那是問卷不是訪談
- 問題沒附自己的猜測：那是調查不是承諾
- 把「你看著辦」當終局答案收下
- 使用者還沒明確確認複述就開始寫規格、計畫、程式碼
- 問「最佳實踐會怎麼做」而不是「你實際上想要什麼」
- 使用者給了 buzzword 式答案而你照單全收沒追問
- 三輪以上信心沒有明顯上升：你在問錯問題，退一步重新框
- 複述漏掉「不做什麼」
驗證
- [ ] 第一輪就寫了明文假設與信心數字
- [ ] 信心低於約 70% 時附了一句缺什麼
- [ ] 一次一題，每題附猜測
- [ ] 使用者給出話術式答案時至少追問過一次「不用交代的話你要什麼」
- [ ] 寫了具體複述（結果 / 使用者 / 為什麼現在 / 成功標準 / 約束 / 不做什麼）
- [ ] 拿到明確的「可以」（不是「你看著辦」、不是「聽起來不錯」、不是沉默）
- [ ] 下游交接（OpenSpec / brainstorming）用的是確認過的意圖，不是原始模糊需求
Related Skills
seikaikyo/conducting-gdpr-compliance-assessment
tools
VerifiedTrustedCommunity
Conduct comprehensive GDPR compliance assessments by evaluating data processing activities against EU Regulation 2016/679, including Article 30 records of processing, lawful basis validation, data subject rights implementation, Data Protection Impact Assessments (DPIAs) under Article 35, breach notification procedures, international transfer safeguards (SCCs, adequacy decisions), and technical/organizational measures under Article 32. Use when processing personal data of EU residents, preparing for supervisory authority audits, implementing privacy-by-design for new systems, scoping compliance gaps for M&A due diligence, assessing third-party processors, or responding to data subject access requests at scale. Incorporates 2026 guidance from ICO, EDPB, and post-Data (Use and Access) Act 2025 UK-GDPR considerations. Do not use for implementing specific Article 32 controls — use implementing-gdpr-data-protection-controls; or for DSAR automation — use implementing-gdpr-data-subject-access-request.
2SKILL.mdUpdated Sep 11, 2026
seikaikyo/parsing-artifacts-with-eric-zimmerman-tools
tools
VerifiedTrustedCommunity
Parse Windows forensic artifacts—$MFT/$J (MFTECmd), Prefetch (PECmd), registry hives (RECmd), shellbags, and Amcache—into normalized CSV/JSON with Eric Zimmerman's EZ Tools, then load results into Timeline Explorer for analysis. Use during DFIR/incident-response investigations, after triage collection (e.g. with KAPE), to establish program execution, file/folder access, and persistence evidence from acquired forensic images.
2SKILL.mdUpdated Jun 23, 2026
seikaikyo/orchestrating-llm-attacks-with-pyrit
development
VerifiedTrustedCommunity
Build automated multi-turn adversarial attacks against conversational LLM targets using Microsoft PyRIT's RedTeamingOrchestrator, CrescendoOrchestrator (gradual escalation), and TreeOfAttacksWithPruningOrchestrator (adaptive branching), with scorer feedback loops and persisted conversation memory. Use when single-shot LLM scanning is insufficient and you need multi-turn, scorer-driven AI red-team campaigns against a chatbot or agent.
2SKILL.mdUpdated Jun 23, 2026
seikaikyo/operationalizing-misp-threat-feeds
testing
VerifiedTrustedCommunity
Stand up MISP, enable and cache curated threat feeds (CIRCL, abuse.ch, Feodo Tracker), apply warninglists to suppress false positives, query indicators with PyMISP, and export attributes as auto-generated Suricata/Sigma/Wazuh detection rules. Use when maturing a MISP instance to actively drive detection, curating threat feeds with quality controls, or automating IOC-to-detection pipelines for the SIEM/IDS.
2SKILL.mdUpdated Jun 23, 2026